4.3 Toma de decisiones con probebil Otros problemas de decision tna de PDC. pera sexist un marcus rg comlejo qu robe naturale, pled was el mc del ibe de deco eee Se un olde decision que contenga nodos de decision nodes fotony oteera es a naturalezasecuencia de problema. Suteduliza el metodo del alorepeeoe ne Siguiente es determinar las probabilidades para cada uno de los estados de lo naestiony y calular el valor esperado en cada nodofortito: Luego sslectone earned wane ue conduce al nodofortito con ef mejor valor esperado La aeration de deg non ciada con esta rama es la decisién recomendada. El aticulo de MC en Accisn, "Detecién te ion omprana de relamaciones por dscapac- dad de ls rabajadores de alto riesgo”, describe como el Consejo de Indemzacién de ee Trabajadoes de Columbia Briténicauiliz6 un bol de decsiényclcono crperaa ong syide para determi una ecamaci por cseaacidad a core paso debora coon rare una reclamacion de aloo de bajo riesgo, DETECCION TEMPRANA DE RECLAMACIONES POR DISCAPACIDAD DE LOS TRABAJADORES DE ALTO RIESGO* EI Consejo de Indemnizacién de los Trabajadores de Columbia Britinica (WCB) ayuda a los trabajadores y-empleadores a mantener su lugar de trabajo seguro y ‘ayuda a los trabajadores lesionados a obtener ingresos por discapacidad y regresar al trabajo a salvo. Los fon- dos utilizados para hacer los pagos de indemnizacién por discapacidad se obtienen de gravmenes impuestos 4 los empleadores. A cambio, los empleadores reciben protecciGn contra Jas reclamaciones que surjan por le- siones relacionadas con el trabajo. En afios recientes, ‘el Consejo gast6 més de mil millones de d6tares en in- -demnizaciones y rehabilitaciGn para los trabajadores. ‘Una reclamacién por discapacidad a corto plazo ‘curre cuando un trabajador sufre una lesién o enfer- | -medad por la que debe ausentarse temporalmene el ‘trabajo. Cuando un trabajador no logra recuperarse por completo de una discapacidad a corto plazo, la recla- | macién se clasfica de nuevo como reclamacién por dis- -capacidad a largo plazo y las prestaciones que se pagan z mas costosas. PET oni qua una mcr siemaizate 3 i fas reclamaciones por discapacidad ie » que plantearan un alto riesgo financiero de vol- bs clanaciones por dicopacidad a Largo plazo mas ‘Si un juicio por discapacidad a corto plazo ‘alto riesgo at principio del del Consejo podria inter ) -recuperacion rms de cerea. Como resultado, podria mejorar la adi nistraciGn de los juicios de alto riesgo y reducir el costo de cualquier reciamacién posterior por discapacidad a largo plazo. El Consejo utliz6 un método de andlisis de deci- siones para clasficar cada nueva reclamacién por dis- capacidad a corto plazo como de alto riesgo 0 de bajo riesgo. Se elabors un arbol de decisién compuesto por dos nodos de decisin y dos nodos de estado de la nat- raleza, Las dos altemativas de decisin fueron: 1) Cla- sificar la nueva reclamaci6n a corto plazo como de alto riesgo e intervenci6n; 2) Clasificar la nueva reclamaciGn como de bajo riesgo y no intervencién. Los das estados de la naturaleza fueron: 1@) Lacclamacign a corto plazo so covets en re~ clamacidn a largo plazoy c ) Lareclamacién a corto plazo no se convierte en ‘reclamacion a largo plazo. Las caraterstcas de ‘cada nueva reclamacidn a corto plz se uiliza- ‘ron para determinar las probabilidades de los es- tados de la naturaleza. Los resultados fueron los costos de la reclamacién por discapacidad as0~ ciados con cada altemativa de decisién y cada resultado del estado de la naturaleza. El objetivo: ‘de minimizar el costo esperado determing si unaTABLA 4.6 TABLA DE RESULTADOS PARA EL PROYECTO DE CONDOMINIOS DE PDC Copitulo 4 Andlisis de decisiones Valor esperado de la informacion perfecta me la oportunidad de realizar una investigacién de mereados que Imagine ie Pen Pe mpd en el roect de condoms propoear dar ha cl ours lara mejor ls evasion proba norman ae erauatera Conc fn de termina el valor potencial de ex ip par os etd, os suponicndo gue el esti pola brindar informacion pe : Ta naturaleza; es decit, por el momento damos por sentado Fe on ara ne era ora des, cil sade de ey raleza va a ocurrir, Para utilizar esta informacion perfecta, desarrollaremos una estrategia de decisién que PDC debe seguir una vez. que sepa qué estado de la naturaleza ocurirg. Una estrategia de decision es tan s6lo una regia de decisién que especifica la alternativa de ara ayudar a determinar la estrategia de decisi6n para PDC, reprodujimos la tabla de ‘estado de la naturaleza s, 1a mejor alternativa de decisién serfa d,, con un resultado de $20 millones. De igual modo, si PDC sabe con certeza que ocurrird el estado de la naturaleza sy, la mejor alternativa de decisién seria dj, con un resultado de $7 millones. De ahi que cuando la informacién perfecta se vuelva disponible podremos establecer una estrategia de Bear teajare PD Cems sige Si ocumre 5}, se selecciona d, y se obtiene un resultado de $20 millones, Si ocurre sy, se selecciona d y se obtiene un resultado de $7 millones. {Cua es el valor esperado para est ia de decisiGn? Para calcular el valor esperado ‘con informacién perfecta, regresemos a las probabilidades originales para los estados de la naturaleza: P(s,) = 0.8 y P(s;) = 0.2. Por tanto, hay una probabilidad de 0.8 de que la informacin perfecta indique el estado de la naturaleza s, y la altemnativa de decisin re sultante d, proporcione una utilidad de $20 millones. Asimismo, con una probabilidad de 02 para el estado de 1a naturaleza s,, la alternativa de decisién Sptima d, proporciona una Uutilidad de $7 millones. Por consiguiente, a partir de la ecuacién (4.4), el valor esperado de laestrategia de decisién que utiliza informacién perfecta es 0.8(20) + 0.2(7) = 17.4 Nos referimos al valor esperado de $17.4 millones como valor esperado con informa- ion perfecta (VEcIP), Previamente en esta seccién, mostramos que la decisién recomendada utilizando 1 método del valor esperado es la alternativa de decisién ds. con un valor esperado de $14.2 millones. Dado que esta recomendacién de decisién y calculo del valor esperado se hizo sin el beneficio de la informacién perfecta, se alude a los $14.2 millones como valor esperado sin informacién perfecta (VESIP). El valor esperado con informacién perfecta es $17.4 millones y el valor esperado sia informacion perfecta es $14.2 millones; por consiguiente, el valor esperado de Ia informs- ci6n perfecta (VEIP) es $17.4 ~ $14.2 = $3.2 millones. En otras palabras, $3.2 millones epresenta el valor esperado adicional que puede obtenerse si se cuenta con informaci6® perfecta acerca de los estados de la naturaleza. (MILLONES DE DOLARES)‘4.4 Anidlisis del riesgo y ondlisis de sensbilidad Hablando en términos generates, formacién “perfecta’; no obstante, podria valer una porcién considerabl una investigacién de mercados no proporcionard in- si la investigacién es buena, la informacién reunida le de os $3.2 millones. Dado el VEIP de $3.2 millon PDC podrfa considerar seriamente realizar una investigacién 4: via inv mercados como u pra. abtener me nformacién soi ln enados dela naturleea ns come we z En general, el valor esperado de Ia informacién perfecta (VEIP) se calcula como sigue VEIP = | VEcIP = VEsIP| (4.5) donde VEIP lor esperado de la informacién perfecta VEcIP = valor esperado con informacién perfecta sobre los estados de la naturaleza Veap ‘lor esperado sin informacion pesfecta sobre los estados de la naturaleza Para practicar la determinacin del valor ‘esperado de la informacion perfecta,resuelvael problema I. Observe el papel del valor absoluto en Ia ecuacién (4.5). Para problemas de minimiza¢ el valor esperado con informacién perfecta ° siempre menor o igual que el valor esperado sin informacién perfecta. En este caso, VEIP es la magnitud de la diferencia entre VEcIP y VESIP, 0 el valor absoluto de la diferencia, como se muestra en la ecuacién (4.5) eda Accented Replanteamos la tabla de pérdida de oportunidad, © arrepentimiento, para el problema de PDC (tabla 4.4) como sigue: pérdida de oportunidad esperada las tes altemativas de decisién es ia cada una de POE(d,) = 0.8(12) + 020) = 96 Estado de la naturaleza POE(d,) = 0.8(6) +022) = 52 Denes? inaeene POE(d,) = 0.80) + 0.2(16) = 32 fuerte débil ; : ie in importar si el anilisis de decisiones impli Decision % 5: ca maximizacién © minimizacién, la péndida de Complejo pequeno.d, 12 0 oportunidad esperada minima siempre proporcio Complejo median, d, 16 2 naa mejor alternativa de decisién, Por tanto, con Complejo grande, cy 40 16 POB(a,) = 3.2, dy es la decision recomendada Utilizando P(s,), P(s,) y los valores de la pérdida de oportunidad, podemos calcular la pérdida de oportunidad esperada (POE) para cada alternati Ademés, la pérdida de oportunidad esperada mi- ima siempre es igual para el valor esperado de la informacion perfecta. Es decit, POE (mejor de- cisiGn) = VEIP; para el problema de PDC, este valor es de $3.2 millones. va de decisién. Con P(s,) = 08 y Pls,) = 0.2, la ——— Analisis del riesgo y andlisis de sensibilidad cisiones a reconocer Ia diferencia entre el El andilisis del riesgo ayuda al tomador de decisiones a reconocer ape ma altemativa de decisiGn y el resultado que puede ocurrir en eld. ‘al tomador de decisiones al describir eémo los El andlisis de sensibitidad también ayuda s : ‘cambios en las probabilidades del estado de la naturaleza tos cambios en los resulta dos afectan la alternativa de decisién recomendada, valor esperado de ui Andlisis del riesgo Una alternativa de decisién y un estado ‘sultado asociado con una decisién. El perfil d muestra los resultados posibles junto con sus prot de la naturaleza se combinan para generar el re= je riesgo para una alternativa de decisién babilidades asociadlas.Copii 4 Anliss de decsiones FIGURA 4.5 PERFIL DE RIESGO PARA LA ALTERNATIVA DE DECISION DEL Bae 8 PER NDE PARAL PROYECTO DE CONDOMINIOS DE PDC =10 0 20 Utilidades (millones de détares) Demostremos ahora el andlisis del riesgo y la construccién de un perfil de riesgo al re tomar el proyecto de construccién de condominios de PDC. Utilizando el método del valor «esperado, identificamos el complejo de condominios grande (d3) como la mejor altemativa ' de decisién. El valor esperado de $14.2 millones para d, se basa en una probabilidad de 0.8 de obtener una utilidad de $20 millones y una probabilidad de 0.2 de obtener una pérdida de $9 millones. La probabilidad de 0.8 para la respuesta de $20 millones y la probabilidad de 0,2 para la respuesta de ~$9 millones constituyen el perfil de riesgo para la alternativa de decision del complejo grande, mismo que se muestra grificamente en la figura 45, | A veces una revisién del perfil de riesgo asociado con una alternativa de decisiGn 6p- tima puede ocasionar que el tomador de decisiones elija otra alternativa de decisién, aun cuando el valor esperado de esta iltima no sea tan bueno, Por ejemplo, el perfil de riesgo Para la alternativa de decisién del complejo mediano (d;) muestra una probabilidad de 08 para un resultado de $14 millones y una probabilidad de 0.2 para un resultado de $5. millones. Debido a que no hay una probabilidad de una pérdida asociada con la altemativa de decision da, In alternativa de decisién del complejo mediano se consideraria menos resgosa que la de decision del complejo grande, Como resultado, un tomador de decisio- nes podria preferir la altemativa de decisiin del complejo mediano menos riesgoso, aul cuando tenga un valor esperado de $2 millones menos que la alternativa de decisién del complejo grande, Andlisis de sensibilidad EL andlisis de sensibilidad babilidades para los est alternativa de deeisién 1 puede ulilizarse para determinar eémo los cambios en las pro fados de 1a naturaleza o los cambios en los resultados afectan | recomendada, En muchos casos, las probabilidades para los estado i raapls2a los resultados se basan en evaluaciones subjetivas. EL analiss de sensi t Ia cleceion ay Dmador de decisiones a entender cusles de estas entradas son cruciales pal i elecein de la mejor alternativa de decisién. Si ‘ de las entradas provoca un cambio en la para el problema deElsofoware para el andlisis de decsiones failta el ‘leu de estos excenarios modifcados. GA Andie cel riesgo y ondlisis de sensibilidad: 5 1 Un enfoque para el andlisis de sensibitidad es seleccionar diferentes valores 7 robabilidades de los estados de la naturaleza y los resultados, y luego resolver el vais la solucién es sensible a los cambios hechos, Por ejemplo, suponga wit ‘que en el problema de PDC la probabilidad de una demanda fuerte cambia a 0.2 y la probabilidad de una de- manda débil cambia a 0.8. ;Cambiarfa la alternativa de decisiOn recomendada? Utilizando Ps) = 0.2, P(s:) = 0.8 y la ecuacién (4,4), los valores esperados revisados para las tres alternativas de decisién son VE(d,) = 0.2(8) + 0.87) = 7.2 VE(d,) = 0.2(14) + 0.8(5) = 6.8 VE(d,) = 0.2(20) + 0.8(29) = —3.2 Con estas evaluaciones de probabilidad, la alternativa de decisién recomendada es cons- truir un complejo de condominios pequefio (d,), con un valor esperado de $7.2 millones. La probabilidad de una demanda fuerte s6lo es 0.2, asf que Ia construccién del complejo de condominios grande (d;) es la alternativa menos preferida, con un valor esperado de $3.2 millones (una pérdida). De ahi que cuando la probabilidad de una demanda fuerte es grande, PDC deba cons- truir el complejo grande, y cuando 1a probabilidad de 1a demanda sea pequefia, deba construir el complejo pequefio. Es evidente que podriamos seguir modificando las probabi- lidades de los estados de la naturaleza y aprender atin més sobre cémo los cambios en las probabilidades afectan la alternativa de decisién recomendada, La desventaja de este enfo- {que son los numerosos célculos que se requieren para evaluar el efecto de varios cambios posibles en las probabilidades del estado de la naturaleza. Enel caso particular de dos estados de 1a naturaleza se puede utilizar un procedimiento grdfico para determinar c6mo los cambios en las probabilidades de los estados de la natura- Jeza afectan a la alternativa de decisiOn recomendada. Para demostrar este procedimiento, suponga que p es la probabilidad del estado de la naturaleza s,; es decir, P(s,) = p. Con s6lo dos estados de la naturaleza en el problema de PDC, la probabilidad del estado de la naturaleza 8, es P(s,) = 1 — Pls) = I-p Utilizando la ecuacién (4.4) y los resultados de la tabla 4.1, se determina el valor esperado. para la alternativa de decisi6n d, como sigue: VECd,) = PO5,)(8) — PCS p(s) +. ~ pi) (4.6) =8p+7-Ip=pt7 Al repetir los célculos del valor esperado para las alternativas de decisién dy y dj, se ob- tienen las expresiones para el valor esperado de cada alternativa de decisién como una funcién de p: VE(d;) = 9p + 5 (4.7), VE(d;) = 29p ~ 9 (4.8) de las tres al- ado tres ecuaciones que muestran el valor esperado Tatas eden como na oncion despre dl esa a aa ‘nuamos con la elaboraciGn de una grifica con valores de p en el je horizontal lon Vir montados ene je vertical Dado que las (4. 42 ¥ (4.8) on enclose: Jes, la grfica de cada ecuacién es una linea recta. Para cada ecuacion podemos obtenerFIGURA4.6 VALOR Capitulo 4 Andis de decisiones ESPERADO PARA LAS ALTERNATIVAS DE DECISION DE COMO UNA FUNCION DE p recta al identificar dos puntos que satisfagan la ecuacién y trazar una linea que pase Por Jos puntos. Por ejemplo, si p = 0 en la ecuacién (4.6), VE(d,) = 7; por tanto, si p = VE(d,) = & Al conectar estos dos puntos —(0,7) y (1,8)— obtenemos la recta etiquelt da VE(d,) en Ia figura 4.6. Del mismo modo se obtienen las rectas etiquetadas VE(ds) ¥ ‘VE(d;), que son las gréficas de las ecuaciones (4.7) y (4.8), respectivamente. ‘a figura 4.6 muestra cémo la decisi6n recomendada cambia cuando varia p, Ia pro eee del lng de la naturaleza de una demanda fuerte (s,). Observe que oe bis Jorn’ Peaustios de p, la alterativa de decisién d, (complejo pequetio) proporciona ¢! vi tor esperado mas grande y, por tanto, es la decision reconrontava, Coca el valor a ae, hasta determinado punto, la alternativa de decision , (complejo mediano) eps ate ido mayor y es la decisién recomendada, Por iltimo, para los valores grande El aataativa de decision d; (complejo grande) se vuelve la decisién recorisis de sensibilidad para los valores resultados. En el problema de PDC original, los valores esperados para la tee han tivas de decision son: VE(d,) = 7.8, VE(d,) = 12.2 y VE(d,) = 14.2. Se recomends la alternativa de decisi6n d, (complejo grande). Advierta que la altemativa de decision d, con VE(d,) = 12.2 fue la segunda mejor altemativa, La altemativa de decisin d, seguir ido Ta Optima siempre y cuando VE(d,) sea mayor o igual que el valor esperado de la Segunda mejor altemativa de decisi6n. Por tanto, la alternativa de decisin d, seguir sien- do la alternativa de decision Sptima siempre y cuando Re aE nese VE(d,) = 12.2 : (4.9) Sea = resultado de la alternativa de decisién d, cuando la demanda es fuerte W = resultado de la alternativa de decisién d, cuando la demanda es débil Utilizando P(s,) = 0.8 y P(s,) = 0.2, la expresién general para VE(d,) es VE(d,) = 085 + 0.2 (4.10) Si suponemos que el resultado de dy permanece con su valor original de ~$9 millones cuando la demanda es débil, la alternativa de decisién del complejo grande seguird siendo Gptima siempre y cuando VE(d;) = 085 + 0.2(-9) = 12.2 (411) Ahora calculamos 5 y obtenemos 0.85 — 18 = 122 O85 = 14 s=175 in d tiene un resultado Recuerde que cuando la demanda es fuerte, la alternativa de decisi6n dy ; tatimado de $20 millones. Eledleulo anterior muestra que la alterativa de decision seguird siendo Optima, siempre y cuando el resultado de d, sea al menos $17.5 millones cuando la demanda es fuerte, ‘Suponiendo que el resultado de dy cuando ta demanda es fuerte permanece en su valor “original de $20 millones, podemos hacer un caleulo pareido para enferarnos de eu sen- ‘ Scan apna con petal sao ded cab dean eb De —_Aegreno al eaeulo del valor esperado de la ecuacisn (4:10), sabemos que I altematva de _decisisn del complejo grande sigue siendo éptima siempre que : peo bai 82= Capitulo 4 Andis de decisiones ‘Al caleular W, tenemos i 16 + 0.2 = 12.2 0.2W = -38 we-19 fe cuando la demanda es débil, la alternativa de decisién ds tiene un re al menos de ~$19 millones. ie ibe o este andlisis de sensibilidad, se concluye que los resultados para I ar nativa de decision del complejo grande (d;) podrian variar de manera considerable, y 4, seguirfa siendo la alternativa de decisién recomendada. Por esta razén se concluye que lp solucién dptima para el problema de decisién de PDC no es particularmente sensible aos resultados de la alternativa de decisién del complejo grande. Sin embargo, observamae {que este andlisis de sensibilidad se realiz6 con base en un cambio a la vez; es decir, slo cambi6 un resultado y las probabilidades para el estado de la naturaleza permanecieron como P(s,) = 0.8 y P(s;) = 0.2. Note que pueden hacerse célculos similares del andliss de sensibilidad para los resultados asociados con las alternativas de decisién del complejo pequetio dy del complejo mediano d,. No obstante, en estos casos la altemativa de de cisién sigue siendo éptima solo si los cambios en los resultados para las alternativas de y d, cumplen con los requisitos de que VE(d,) = 14.2 y VE(d,) = 142. Elandliss de sensibildad puede ayudar al gerentea Aecidir si se debe inverir Inds tiempo y esfuerco ‘para obtene me ‘estimaciones de los resultados y probobiliades Reiter es decisién d, 1. Algunos paquetes de software de andlisis de de- cisiones proporcionan de forma automatica los perfiles de riesgo para la alternativa de decisién ptima. Estos paquetes también permiten al usuario obtener los perfiles de riesgo para otras altemativas de decisién. Después de comparar 4ichos perfiles, un tomador de decisiones pue- de decidir si selecciona una alternativa de deci- sién con un buen perfil de riesgo, aun cuando el Valor esperado de la misma no sea tan bueno ‘como el de la altemativa de decisi6n éptima. 2 Undiagrama de tornado, una demostracion gi fica, es particularmente titi] cuando se combi- i i eee o \45) Anilisis de decisiones con informacion muestral Al aplicar el método dad sobre los estados ala decisi¢n ‘es prelimi pera tomar a Sobre ls esta ‘clara dades is peiss prs oreo aiicional se obiene por medina ee duet acres don naa de 'Y la investigaci¢r del valor esperado, mostramos eémo la informacién de Ia probabil ‘de la naturaleza afecta a tos edleulos del valor esperado y, portal m recomendada. Con frecuencia, los tomadores de decisiones hacen evaluacio” Para los estados de la naturaleza que SO” ‘en ese momento, Sin embargo, ¢s posible lecisiones quiera buscar informacién: 5 -va informacién se puede utilizar de modo que la decisién final se base em la naturaleza, Con mayor frecuencia, la ‘perimentos disefiados para proporcionat i Ja naturaleza. EL acres ceeeaa P inde mercados son ejemplos de exps nares o de probabilidad previ mejores valores de probabilidad disponibles jor decisin el tomador ded s de la naturaleza, Esta nue Probabilidades anteriores, nan varias entradas para determinar Ia solu ion dptima, Al variar cada entrada a lo largo de su rango de valores se obtiene informacién sobre cémo la entrada afecta al valor de la s0- lucién 6ptima, Para mostrar esta informacién se construye una barra para Ia entrada, en la cual el ancho de 1a misma indica eémo Ia entredi afecta al valor de la solucién éptima, La bar ‘mas ancha corresponde a Ja entrada més senst ble. En una grafica las barras se acomodan com Ja barra més ancha en la parte superior, dando ala gréfica la apariencia de un tornado.116 nl secén 4.6 explicamos imo se desarollan estas robabiidades Copitlo4 Anis de decisiones de investigaciGn, Ja decisién de realizarlo también tecesitarfamos agregar un arco desde el nodo de dessin dep tidades para mostrar la influencia del costo deta investipy cestablecido para el estudio fas utiidades. En este C280, investigacién al nodo de util cen las tildes Arbol de decision z én para el problema de PDC con Ia informacién muestra exhibe la Tamme. ta gerencia de PDC debe decidir si a investigacién de mercados se eliza» no, Siac hace, lt grencia debe estar preparada para tomar una decisin respect al amg del proyecto de condominos si el informe de la investigacin de mercados es favorable, posiblemente, una decision diferente sobre si el informe es desfavorable. En la figura 48 re uadrados son nodos de decisién y los cftculos son nodos fortuitos. En cada nodo de ecisign, Ia rama del drbol que se considera se basa en la decisién tomada. En cada nod fortuito, la rama del 4rbol que se considera se basa en la probabilidad o el azar. Por ejem- plo. el odo de decision 1 muestra que PDC primero debe tomar la decsi6n desi reaizaa Jnvestigacién de mereados o no. Si la realiza, el nodo fortuito 2 indica que PDC no tiene bajo su control ni la rama del informe favorable nila del informe desfavorable, po lo que éstas estardn determinadas por las circunstancias. El nodo 3 es de decisién, lo que indica que PDC debe tomar la decisién de construir el complejo pequefio, mediano o grande sie Jnforme de la investigacién de mercados es favorable. El nodo 4 es de decisién que muestra que PDC debe tomar la decisién de construir el complejo pequeiio, mediano o grande si elinforme de la investigacién de mercados es desfavorable. El nodo 5 es de decisién que indica que PDC debe tomar la decisién de construir el complejo pequetio, mediano 0 gran- de sila investigacién de mercados no se realiza. Los nodos 6 a 14 son nodos fortuitos que indican que las ramas del estado de la naturaleza de 1a demanda fuerte o la demanda détil estin determinadas por las circunstancias. El analisis del arbol de decision y la opciGn de una estrategia Optima requieren que se conozcan las probabilidades de las ramas que corresponden a todos los nodos foruits PDC ha desarrollado las siguientes probabilidades de ramas Si se realiza la investigacién de mercados: cue (informe favorable) = 0.77 PAinforme desfavorable) = 0.23 Sil informe de investigacién de mercados es favorable: ‘P(Demanda fuerte dado un informe favorable) = 0.94 P(Demanda débil dado un informe favorable) = 0.06 Siel informe de investigacién de mercados es desfavorable ‘P(Demanda fuerte dado un informe favorable) = 0.35 ‘P(Demanda débil dado un informe favorable) = 0.65 Si el informe de invest oe igacién de mercados no se realiza, las probabilidades previss P(Demanda fuerte) = 0.80 ‘P(Demanda débil) = 0.20 << 4 probabilidades de las ramas se muestran en el rbot de decisin de ladin oe sctna eisoe y reinos foros dene las decisiones elegidas dependen de los resultados atin por determinar de los eventos _— tuitos. FI método ntilizade para determinar Ia estrategia de decisién 6ptima se basa en avanzar ‘en sentido inverso por el drbol de decisién siguiendo estos pasos: 1. En los nodos fortuitos, calcule el valor esperado mediante la multiplicacién del resultado al final de cada rama por las probabilidades de rama correspondientes. 2. En los nodos de decisién, seleccione la rama de decisién que conduzca al mejor valor esperado, el cual se vuelve el valor esperado en el nodo de decisi6n. Los cflculos iniciales del avance en sentido inverso al calcular los valores esperados en los nodos fortuitos 6 a 14 dan los resultados siguientes: VE(Nodo 6) = 0.94(8) + 0.06(7) = 7.94 VE(Nodo 7) = 0.94(14) + 0.06(5) = 13.46 VE(Nodo 8) = 0.94(20) + 0.06(—9) = 18.26 VE(Nodo 9) = 0.35(8) + 0.65(7) VE(Nodo 10) = 0.35(14) + 0.65(5) VE(Nodo 11) = 0.35(20) + 0.65(-9) = LIS 0.80(8) + 0.20(7) 80 0.80014) + 0.20(5) = 12.20 0.80(20) + 0.20(-9) = 14.20 7.35 15 VE(Nodo 12) VR(Nodo 13) VE(Nodo 14) La figura 4.10 muestra el érbol de decisién reducido después de calcular los valores espe- rados en estos nodos fortuitos. A continuacién pase los nodos de decisién 3, 4 y 5. Para cada uno de estos nodos se- eccionamos la rama de Ia alternativa de decisién que conduce al mejor valor esperado. Por ejemplo, en el nodo 3 tenemos la opcisn de la rama del complejo pequeiio con VE(Nodo 6) = 7.94, la rama del complejo mediano con VE(Nodo 7) = 13.46 y la rama del com- plejo grande con VE(Nodo 8) = 18.26. Por tanto, seleccionamos la rama de la alternativa de decisién del complejo grande y el valor esperado en cl nodo 3 3c vuclve VE(Nodo 3) = 18.26. Para el nodo 4 se selecciona el mejor valor esperado a partir de los nodos 9, 10 y 1. La mejor alternativa de decisi6n es la rama del complejo mediano que proporciona VE(Nodo 4) = 8.15, Para el nodo 5 se selecciona el mejor valor esperado a partir de los nodos 12, 13 y 14, La mejor alternativa de decisién es la rama del complejo grande que proporciona VE(Nodo 5) = 14.20. La figura 4.11 muestra el rbol de decisién reducido después de clegir las mejores decisiones en los nodos 3, 4 y 5. El valor esperado en el nodo fortuito 2 ahora se calcula como sigue: VE(Nodo 2) = 0.77VE(Nodo 3) + 0.23VE(Nodo 4) = 0.77(18.26) + 0.23(8.15) = 15.93 Este calculo reduce el 4rbol de decisién a uno que involuera slo dos ramas de decisién del nodo | (figura 4.12), Por iltimo, se puede tomar ta decisiGn en el nodo de decisién 1 al seleccionar los ‘mejores valores esperados de los nodos 2 y 5. Esta accién conduce a la alternativa de deci- __si6n de realizar Ja investigaciGn de mercados, lo cual proporciona un valor esperado gene- ‘ral de 15.93.FiguRA 4.10 ARBOL DE DE E Pa so OTT al ELpratiema 1 proba ‘pido para caborar a erate de decisin lo 4 Andlisis de decisiones Copitl DE PDC DESPUES DE CALCULAR LOS VALORES DOS FORTUITOS 6 A 14 es ADOS EN LOS NO! Pequet (di) remeto dd @) ve=7.094 Informe Mediano (ds) VE = Tonle oH @ VE = 13.46 Grande (ds) |_Grande(t)_@ ve = 18.26 Investigaci6n aac 8 er @ v= L Sante) @ ves Pequetio (a) ee ve~ 700 ign Medina a ) es a VE = 12.20 La decision pi mentarla siguiente extnegin soe ee trata de daca investigacion de mercadosy ueg® imP St lainvestigacion de mercados ¢: rable, construir el complejo, i Feados es favor *s es rable, 1 comple} Ssiven eAcién de mercados es desfavorab nau ol. comphes rable, const cio do ont122 Geen fiGuRA 4.12, ARBOL DE Invest e mercado 4 Andis do decsones pACISION REDUCIDO PARA DOS RAMAS DE DECISiOyy A Sin investigacién @® ve~ isos VE = 1420 de mercados ANALISIS DE DECISIONES DE FARMACOS NUEVOS EN BAYER PHARMACI El desarrollo de firmacos en Estados Unidos requiere luna inversién considerable y es muy riesgoso, La in- vestigaci6n y el desarrollo de un férmaco nuevo tardan casi 15 aflos. El grupo de Productos Rioldgicos (PB) de Bayer us6 el andlisis de decisiones para evaluar el po- {encial de un nuevo farmaco para deshacer los codgulos sanguineos, Se utilz6 un diagrama de influencia para escribir la compleja estructura del proceso del andl sis de decisiones, Se identificaron seis nodos clave de ‘ecisiGn de sono: 1) comenzarel desarrollo preclinico; 2) comenzar las prucbas en seres humanos; «1 desarrollo hacia ta fase 3; 3) continuar 4) continuar el desarrollo hacia la fase 4; 5) presentar una soicitud de licencis, 6n el Departamento de Control de Alimenios y Marna, 0 de Estados Unidos, y 6) lanzar el mercado, Mas de 50 nodos fori ‘iagrama de infuencia, mievo Farmaco al 08 aparecieron en el os cudles mostraron eGmo tas hee “How etd TICALS* incertidumbres relacionadas con factores como lo co tos de mano de obra directos, Ios costos del desollo de procesos, 1a participacién de mercado, M bee ai impuestos y la fijacion de precios afectaban el re El valor presente neto proporcion6 la trascendenca criterio para la toma de decisiones. Sais oes probabilidad relaiont> ddas tanto con el riesgo téenico como con el riesgo 4 ‘mercado en cada etapa del proceso. El arbol de des sin seeuencial resultante tuyo 1955 rates posibles 86 condujeron a diferentes resultados de los baer | senles netos. Las entradas de eostos, tos juicios 4 resultados potenciales y la asignacién de pro ayudaron a evaluar ta posible aportacin del ‘También se utilizé el andlisis de sensibitidad tifcar variables clave que requerian Por parte det equipo del proyeeto y de lt ‘ante el proceso de desarrollo del firma?_ARBOL DE DECISION DE PDC QUE MUESTRA: ASOCIADAS CON LA ESTRATECIA DIS DESSION Ge ornma ss Fuene (5) Informe Median (a) oe “esfavorable 29 Davila) 08 “4 Jos cuatro resultados sefialados en las ramas terminales del arbol de decisién. Recuerde que un perfil de riesgo muestra los resultados posibles con sus probabilidades asociadas. Por tanto, para construir un perfil de riesgo para la estrategia de decisién éptima, necesitamos calcular la probabilidad para cada uno de los cuatro resultados. Observe cada uno de los resultados de una secuencia de ramas que salen del nodo 1 al resultado. Por ejemplo, el resultado de $20 millones se obtiene al seguir la rama superior desde el nodo 1, las ramas superiores desde el nodo 2, 1a rama inferior desde el nodo 3 y la rama superior desde el nodo 8. La probabilidad de seguir esa secuencia de ramas puede calcularse al multiplicar las probabilidades para las ramas de Tos nodos fortuitos en la secuencia, Por tanto, la probabitidad del resultado de $20 millones es (0.77(0.94) = 0.72. Asimismo, las probabilidades para cada uno de los resultados se ob- tienen al multiplicar las probabilidades para Tas ramas de los nodos fortuitos que condu~ cen a Jos resultados. Al hacerlo, encontramos que la probabilidad del resultado de —$9 millones es (0.77)(0.06) = 0.05, la probabilidad del resultado de $14 millones es (0.23) (0.35) = 0.08 y 1a probabilidad del resultado de $5 millones es (0.23)(0.65) = 0.15. La tabla siguiente, que muestra la distribucién de probabilidad para los resultados de la estra- tegia de decisién éptima de PDC, es la representacién tabular del perfil de riesgo para la estrategia de decisién éptima. Resultado (millones de délares) Probabilidad 9 0.05 5 os 4 0.08 20 ae. 1.00 ‘La figura 4.14 proporciona una representacisn grifica del perfil de riesgo. Al comparar tas iguras 45 y 4.14, vemos que el pert de riesgo de PDC cambia debido an estatega de realizar Ia investigacidn de mercados. De hecho, apoyarse en la investigaciGn de mereados124 FIGURA 4.14 Copitslo 4 Andis de decisiones GO PARA EL PROYECTO DE CONDOMINIOS Dx. JESTRAL QUE PRESENTA LOS RESULTADOg ‘TRATEGIA DE DECISION OPTIMA, PERIL, DE RIES' CON INFORMACION MU ASOCIADOS CON LAE ee, LE os. 06 Probabilidad od =10 0 10 20 Utilidades (millones de délares) OE ELVEIM = $1.73 millones susiere que PDC debe ‘star diyuesta a pagar ‘hasta $1.73 millones para ‘reaicr a invesniguciin de merce. redujo la probabilidad de la pérdida de $9 millones de 0.20 a 0.05. Es muy probable que ls gerencia de PDC viera ese cambio como una reduccidn significativa en el riesgo asociado con el proyecto de condominios, Valor esperado de la informacion muestral Enel problema de PDC, la investigacién de mercados es la informacién muestra utlizada para determinar la estrategia de decision éptima, El valor esperado asociado con Ia inves Ligacién de mercados es $15.93, En la seccién 4.3 mostramos que el mejor valor esperado sino se realiza la investigacién de mercados es $14.20. Por tanto, podemos conclu que diferencia, $15.93 ~ $14.20 = $1.73, es el valor esperado de la informacién muestra (VEIM), En otras palabras, realizar Ia investigacién de mereados agrega $1.73 millones i valor esperado de PDC. En general, et valor esperado de la informacién muestral es siguiente: VEIM = |VEcIM ~ VEsIM| (419) donde VEIM = valor esperado de Ia informacién muestral Vici ~ valor esperado con informacion muestra sobre los estados de la naturale VESIM = valor e IM = valor esperado sn informacign muestral sobre os estados del naluilelte) Prete eee a (46 Céleulo de probabilidades de os ramas.0 alernatives Eficiencia de la informacion muestral oo ieee nse muestra que el valor esperado de a informacion perecta(VEIP) para Side gama de PDC es de $3.2 millones. Nunea anticipamos que el informe de investiga Sretenchscaos obtendeia informacién perfect, pero podemos utilizar una media de la hencia para expresar el valor de la informacion de Ia investigacion de mercado, Con informacion perfecta teniendo una estimacion de eficiencia de 100%, la estimacién de ceficiencia E para la informacién muestral se calcula como sigue: B= VEIM vew * 1 (4.14) Para el problema de PDC, 173 B= 3 x 109 = 54, 32 ig En otras palabras, la informacién de la investigacin de mercados es 54.1% tan efciente como la informacisn perfect, Las estimaciones de ficiencia baja para la informacign muestral podrfan leva al to- mador de decisiones a buscar otros tips de informacién, Sin embargo, las califcaciones de eficiencia alas indican que la informacion muestral es casi tan buena como la informacisn perfecta y que las fuentes adicionales de informacion no producirian resultados significa. tivamente mejores, Calculo de probabilidades de las ramas 0 alternativas En la seccién 4.5 los nodos fortuitos de las probabilidades de las ramas para el arbol de decision de PDC se especificaron en la descripcién del problema. No se requirieron alculos para determinar estas probabilidades. En esta secci6n se muestra cémo el teorema de Bayes puede utilizarse para calcular las probabilidades de las ramas para los drboles de decisién. El drbol de decisién de PDC se muestra de nuevo en la figura 4.15. Sea F = informe de investig U = informe de investigacién del mercado desfavorable cin del mercado favorable demanda fuerte (estado de la naturaleza 1) demanda débil (estado de la naturaleza 2) En el nodo fortuito 2 necesitamos conocer las probabilidades de las ramas PCF) y P(U). En los nodos de probabilidad 6, 7 y 8 necesitamos conocer las probabilidades de la rama (5, | F) la probabilidad del estado de la naturaleza | dado un jnforme de investigacién de mercados favorable, y de la rama P(s; | F), la probabilidad del estado de Ia naturaleza 2 dado un informe de investigacin de mercados favorable. P(s, | F) y Pls, | F) se conocen ‘como probabilidades posteriores debido a que son probabilidades condicionales basadas cn el resultado de la informacién muestra. En los nodos de probabilidad 9, 10 y 11 nece- Sitamos conocer las probabilidades de las ramas P(s, | U) y P(s, | U); observe que estas probubildades también son postrioes, lo que denota ls probabilidades de los dos etados ie ta naturaleza, dado que el informe de investigacién de mercados es desfavorable. Por ‘Glumo, en los nodos fortitos 12, 13 y 14, necesitamos las probablidades para los estados fe a naturaleza, PCs) y Psy) si investigaion de mereados no se realiz, | “Al hacer los cdlculos de probabilidad necesitamos conocer Ia evaluacién de PDC de ‘probubilidades para los dos estados de a naturalezs, ts) y Pls, que son las probabil srees previas expuesis aics. Adems, deberos conocer la probebllidad condiclonal deCopitle 4 Andis de decisiones Fuerte (43) aT Pequetto (d)) Débil (53) PaniP) Fuerte (5;) Path) M4 Informe Mediano (ds) Favorable PF il) PUT FY . Fuert(s) ay Grande (ds) Pit) 2 8 Debi (5) + _tnvestigacin PsP) demercados “© Fuerte (53) Pequeto (d,) POT) ® Débil(s,) 4 PID) | 9 Fuerte (s,) Pisi1t) Informe 4 Mediano desfavorable PO) Lp Débil (53) PGT) > Fuerte (s,) Grande (ds) PIO) Débil (63) PID) 20 Fuerte (s,) Pequefo (ai) PD) Détil (ss) PD Fuerte (s:) Mediano (a) Psy bet 4 Sin investigacion de mereados e3 (oy) Po) Fuerte (s,) Grande (ds) Psy Débil (5) PSD ae to 20 10s resultados de ta in a de la naturale *stigacién de mercados (la informacién muestral) dado cada ssitamos conocer la probabilidad condicional de waite fuene para el pryeen © Meteados favorable dado un Cota dea nenwconde sao dela nstralera ssc sacs GUE 3 probailidad eondisionl de F coed oof Pe ar aa 3 108 estados de la nate ce icionas para todos los resul iluraleza, es decir, POF | sp) PE | a he — —“Observe que las evaluaciones de probabilidad anteriores proporcionan un grado razonable_ de confianza en 1a investigacién de mercados. Si el verdadero estado de la naturaleza es 4); la probabilidad de un informe de investigacién de mercados favorable es 0.90, y 1a probabilidad de un informe desfavorable es 0.10. Si el estado de la naturaleza verdadero €e3 5», la probabilidad de un informe de investigacién de mercados favorable es 0.25, y de uno desfavorable es 0.75, La razén por la cual se asigna 0.25 a la probabilidad para un informe potencialmente engafioso de investigacién de mercados favorable con un estado de la naturaleza s,, es que cuando algunos compradores potenciales escuchan por primera vez acerea del nuevo proyecto de condominios, su entusiasmo puede llevarlos a exagerar ‘su interés real en él. La respuesta favorable inicial de un posible comprador puede cambiar répidamente a “no gracias” cuando se enfrente més tarde a la realidad de tener que firmar ‘un contrato de compra y hacer un pago inicial. A ccontinuacién se presenta un enfoque tabular como un método conveniente para rea- lizar los calculos de probabilidad, Los célculos para el problema de PDC basados en un informe de investigacién de mercados favorable (F) se resumen en la tabla 4.7. Los pasos utilizados para desarrollar esta tabla son los siguientes: Paso 1. En la columna 1 introduzca los estados de la naturaleza. En la columna 2 escriba las probabilidades previas para los estados de la naturaleza. En la columna 3 indique las probabilidades condicionales de un informe de inves- tigacién de mercados favorable (F) dado cada estado de la naturaleza. Paso 2. En la columna 4 calcule las probabilidades conjuntas al multiplicar los va- lores de probabilidad previa de la columna 2 por los valores de probabilidad condicional correspondientes de la columna 3. Paso 3. Sume las probabilidades conjuntas de la columna 4 para obtener la probabili- dad de un informe de investigaci6n de mercados favorable, P(F), Paso 4. Divida cada probabilidad conjunta de la columna 4 entre P(F) = 0.77 para 7 + ‘obtener las probabilidades posteriores 0 revisadas, P(s, | F) y P(s, | F). La tabla 4.7 muestra que la probabilidad de obtener un informe de investigacién de mereados favorable es P(F) = 0.77. Asimismo, P(s, | F) = 0.94 y P(s, | F) = 0.06. En. _ TABLA 4.7 PROBABILIDADES DE LAS RAMAS PARA EL PROYECTO DE CONDOMINIOS DE PDC, BASADAS EN UN INFORME DE INVESTIGACION DE MERCADOS FAVORABLEHiproblema 231 pide que |g u la cado fuerte, pmbema 23 nde He Ia probablidad posterior de una demanda del mercado fuerte, s,,¢8 0.35 y de una demanla posteriores Sa PRUEBAS DE RECONOCIMIENTO. ‘Una prueba de reconocimiento. médico desarrollada , Médico de la Universidad Duke consis- LAS RAMAS PARA EL PROYECTO DE ES DE Pi 3 ae EOS OE PDC. BASADAS EN UN INFORME DE INV! be MERCADOS DESFAVORABLE i Probabilidades Probabilidades Py Estados de Probabilidades L See ta naturaleza mae con a s ne : 08 0.10 0.08 " 02 075 O15 ; 10 P(F) = 0.23 particular, observe que un informe de investigacién de mereados favorable provocard una probabilidad revisada 0 posterior de 0.94 de que la demanda de mercado de los condom- nios ser fuerte, 5, El procedimiento de célculo de la probabilidad tabular debe repetirse para cada reul- tado de informacién muestral posible. Por tanto, la tabla 4.8 muestra los céleulos de probabilidades de las ramas del problema de PDC basados en un informe de investiga de mercados desfavorable. Observe que la probabilidad de obtener un informe de invest gacidn de mercados desfavorable es P(U) = 0.23. Si se obtiene un informe desfavorable, del mercado débil, s,, ¢s 0.65. Las probabilidades de las ramas de las tablas 4.7 y 4.858 mostraron en el drbol de decisién de PDC de la figura 4.9. La exposicién en esta seccién muestra una relaci6n subyacente entre las probabilidades en las diversas ramas de un drbol de decisién. Seria inapropiado asumir diferentes probabi- lidades previas, P(s,) y P(s,), sin determinar como estos cambios alterarian a P(F) y PU), asi como las probabilidades posteriores P(s, | F), P(s, | F), P(s, | U) y Pls; | UD. Elarticulo de MC en Accicn, “Pruebas de reconocimiento médico en el Centro Médico de la Universidad Duke”, muestra cémo la informacién de la probabilidad posterior y el anilisis de decisiones ayudaron a la gerencia a entender los riesgos y costos asociados co” lun nuevo procedimiento de andlisis clinicos. ‘MEDICO EN EL CENTRO MEDICO DE LA UNIVERSIDAD DUKE* 80 significaba que la prueba detectaba una defi ‘cuando en realidad ésta no existia. Este ¢ ra examinarlas en resultado, Pee pe re See Mea atid estigacionr $6 zi Analisis de decisiones ayud6 a adquiriru mientras que un resultado de prueba mai Gi pege oie eee 1a probabilidad de que el recién na-_nocimiento médico. eS aveayth eae eegenned angen Para determinar una alterativa de decision re- ee i tind CSRs aioe Se siones es identificar la mejor aeueyise ceed ree rassia oe casing nea Tu ttn orpcio aos create tae Rat ce a specto a los eventos inciertos y Tas posibles consecuencias o resultados Los eventos futuros inciertos se Haman eventos fortuitos y los resultados de los eventos fortuitos se Haman estados de 1a naturaleza, Mostramos cémo se utilizan los diagramas de influencia, las tablas de resultados y los ‘Arboles de decisiones para estructurar un problema de decisién y describir las relaciones en- tre las decisiones, los eventos fortuitos y las consecuencias, Presentamos tres enfoques para a toma de decisiones sin probabilidades: el enfoque optimista, el enfoque conservador y el enfoque de arrepentimiento minimax, Cuando se hacen evaluaciones de probabilidad para Ios estados de Ia naturaleza, e! método del valor esperado puede utilizarse para identificar la alternativa de decisién recomendada 0 la estrategia de decisién éptima. En casos donde la informacién muestral acerca de los eventos fortuitos esta disponi- ble, se debe hacer una secuencia de decisiones. Primero debemos decidir si obtener Ia informacién muestral. Si la respuesta es sf, debe desarrollarse una estrategia de decision prima basada en la informacién muestral especifica. En esta situaciOn, ls drboles de de- isin y el método del valor esperado se uilizan para determinar la estrategia de decisién ptima. ‘Aun cuando el método del valor es decisién recomendada 0 una estrategia ‘ocurre por lo general tiene un valor diferente porciona una distribucin de probabilidad para los resultados posibles y puede ayudar al eorrrcpr de decisiones a evaluar los riesgos asociados con diferentes altemnslivas 8 deci- bn, Por altimo, se puede realizar un andlisis de sensbilidad para delete el efecto que tienen en la alternativa de decisin recomendads los ee oe ‘probabilidades para los vaturaleza y fos cambios en los valores de los resultados Srerianis i Jevisiones se utiliza ampliamente en la préctica. El ati de MC en ‘Accién, "Inversién en un sistema de transmisiOn en OBletnO#Ps Power”, describe al uso dal andlisis de decisiones para determinar sise inviere en un sistema de tansmisi6n im- ‘portante entre Georgia y Florida, perado se utiliza para obtener una altemativa de de decision Gptima, en realidad el resultado que del valor esperado. Un perfil del riesgo pro-itulo 4 Anéliss de decisiones 130 Copitul INVERSION EN UN SISTE! cA ogenanpe Power Comoratinn (OPC) mropercions ‘energia eléetria al por mayor a las cooperati rerda Power Cor Troe nel xd de Goi Fi cae ala construccién de opuso que OPC se uniera Eco oie Flori- ‘una linea de transmisi6n importante de Georgia & da, La decisi6n de participar o no en Ta construccién fue Jmportante para OPC debido a que implicaba que com- prometiera recursos considerables. Ademds trabajé con Applied Decision Analysis, Inc. para realizar un andlisis de decisiones integral del problema. En el pasu de formulacién del problema se iden tificaron tres decisiones: 1) construir 0 no una linea de transmisién de Georgia a Florida, 2) actualizar 0 no las instalaciones de transmisin existentes y 3) decidir uién controlaria las nuevas instalaciones. Oglethorpe se enffenté a cinco eventos fortuitos: 1) los costos de cconstruccin, 2) la competencia, (3) la demanda en Florida, 4) la participacin de OPC en la operacién, y 5) Ia fjacién de precios. La consecuencia 0 resultado “Bosado en Adam Berson, “Oplethorpe Power Corporation Decides ‘Abou iresing ino Moor Tonsmssion Sytem’, Interacesmazo/abil 1995; 256 ‘con una decisién, 1 DE TRANSMISION EN OGLI THORPE POW! a se midié en funcién del dinero ahorrado, BY diagre de influencia para et problema tenfa tes nods de ge cisi6n, cinco nodos fortuitos, un nodo de y varios nodos intermedios que describian ig intermedios. El rbot de decisiOn para el problema més de 8000 rutas desde el nodo inicial hasta ra, terminales Un andlisis del valor esperado del ébot de deg. sin proporcions una estrategia de decsi6n pti pay OPC. No obstant, el perfil de riesgo para esta esa mostré que Ia extrategia de decisién recomembada tye muy riesgosa y tenia una probabilidad considerable de incrementar el costo de OPC en vez de permitir un ho. rro, El andlisis de riesgo Iev6 a la conclusién de que se requeria més informacién sobre la competeneia para reducir el riesgo de OPC. El andlisis de sensibiidad que involucraba varias probabilidades y resultados most que el valor de Ja estrategia de decisiOn éptima era es- table en un rango razonable de valores de entrada, La recomendacién final a partir del andlisis de decisiones fue que OPC debia iciaciones con Flo- rida Power Corporation referentes a la construcciGn de -omenzar las n Ja nueva linea de transmisi6n, Lol a Alternativas de decisién Opciones disponibles para el tomador de decisiones. vento futuro incierto que afecta la consecueneia 0 resultado, asociadl Conseeuencia Resultado que se obtiene cuando se elige una alterativa de decision yO ie ln evento fortuito, Una medida de la consecuencia a menudo se llama resultado Estados de la naturaleza Resultados posibles para los eventos fortuitos que afectat resultado asociado con una altemativa de decision Diagrama de 10s eventos fora, Disesitivo grfico que muestra la relacin entre las deiioM * y las consecuencias de un problema de decisin, Node Una intersecién o punto de unién de un diagrama de inluenciaodrbol de desist sa ae Nodes ue inticun puntos donde etna na deisn ee ee ‘odos que indican puntos donde ocurrird un evento inciert. a curd un eeeienettla Nodos de un diagrama de infuencia que indican panos 20 Resultado Una medida de Cada combing yn i38 &¢ 1a consecuencia de una decisién como utilidad, e9s10! naciOn de una altemnativa Feld acid conserue at" de devision yun estado dela naturales Tubla de resultados Representacin tabular de los resultados de untos motos orate. ee ———_Enfeque optimista Enfoque para elegir una altemativa de decisién sin utilizar proba- bilidades. En un problema de maximizaci6n Hleva a elegir la alternativa de decisién co- -rrespondiente al resultado mayor; para un problema de minimizacién, lleva a elegit la altemativa de decisién correspondiente al resultado menor. Enfoque conservador Enfoque para elegir una alternativa de decisién sin utilizar pro- babilidades. En un problema de maximizacién conduce a elegir la alternativa de decisign ‘que maximiza el resultado minimo; para un problema de minimizacién, conduce a elegir la altemnativa de decisién que minimiza el resultado maximo, : Enfoque de arrepentimiento minimax Enfoque para elegir una alternativa de decisién sin utilizar probabilidades. Para cada alternativa se calcula el arrepentimiento maximo, lo cual conduce a elegir la alternativa de decisiGin que minimice el arrepentimiento maximo. Pérdida de oportunidad o arrepentimiento Monto de la pérdida (utilidades més bajas 0 costo més alto) cuando no se toma la mejor decisién para cada estado de la naturaleza. Método del valor esperado. Método para elegir una alternativa de decisién con base en el valor esperado de cada alternativa de decisi6n. La alternativa de decisin recomendada es aquella que proporciona el mejor valor esperado. Valor esperado (VE) Para un nodo fortuito, es el promedio ponderado de los resultados. Los pesos son las probabilidades de los estados de la naturaleza. Valor esperado de la informacién perfecta (VEIP) Valor esperado de la informacién que indica al tomador de decisiones exactamente cual estado de la naturaleza ocurrird (por ejemplo, informacién perfecta). Andllsis del riesgo De los resultados posibles y probabilidades asociados con una alter- nativa de decisién o una estrategia de decisién. Aniilisis de sensibilidad De cémo los cambios en las evaluaciones de la probabilidad para los estados de la naturaleza o los cambios en los resultados afectan a la alternativa de decision recomendada. Perfil de riesgo Distribucisn de probabilidad de los resultados posibles asociados con una altemnativa de decision o estrategia de decisién Probabilidades previas Probabilidades de los estados de la naturaleza antes de obtener la informacién muestral. Informacién muestral Informacién nueva obtenida por medio de la investigacién 0 ex- perimentacién que permite actualizar o revisar las probabilidades de los estados de la na- turaleza Probabilidades posteriores (revisadas) Probabilidades de los estados de Ia naturaleza después de revisar las probabilidades previas con base en la informacién muestral. Estrategia de decisién Estrategia que consiste en una secuencia de decisiones y resulta- dos de probabilidad para proporcionar la soluci6n Sptima a un problema de decisi6n. Valor esperado de la informacién muestral (VEIM) Diferencia entre el valor esperado 2 de una estrategia dptima basada en la informacién muestral y el “mejor” valor esperado sin i ninguna informacién muestral. aes Eficiencia Raz6n del VEIM al VEIP como un porcentaje; la informacién perfecta es 100% eficiente ‘ ‘Teorema de Bayes Teorema que permite el uso de la informacién muestral para revisar probabilidades previas. ta asas conacoan Probabilidad de un evento, dado el resultado conocido de un ‘evento (posiblemente) relacionado, oreo Probabilidad de que ocurran de forma simulténea tanto la infor- ‘macién muestral como un estado de la naturaleza en particular,sea Capitulo 4 Andliss de decisiones Estado de la naturaleza Alternativa de decisién 5 zs 4, 250 100 4, 100 100 a. Construya un arbol de decisi6n para este problema b. Si-el tomador de decisiones no sabe nada respecto a las probabilidades de Ios ues estados de Ia naturaleza, ,cudl es la decisién recomendads utilizando los enue ‘optimista, conservador y de arrepentimiento minimax? Suponga que un tomador de decisiones que enfrenta cuatro altemativas de decisin y ccuatro estados de la naturaleza desarrolla la siguiente tabla de resultados: Estado de la naturaleza Allternativa de decision % % a 4, 4 9 10 4, u 10 8 d 9 10 10 d 8 10 n 2. Si el tomador de decisiones no sabe nada acerca de las probabilidades de los cua s [a decisién recomendada utilizando les enfoques -vador y minimax? estados de la naturaleza, jcu optimista, conse b. (Cua enfoque prefiere usted? Explique. ;Es importante para el tomador de desk siones establecer el enfoque més apropiado antes de analizar el problema? Expt por qué ©. Suponga que la tabla de resultados proporciona resultados del costo en ver de las utildades. ;Cudl es la decision recomendada utilizando los enfoques optimist <0 servador y de arrepentimiento minimax? La decisin de Southland Corporation de fabricar una nueva linea de productos ree tivos acarrea la necesidad de construir una planta, ya sea pequetia 0 grande. La mei seleccién del tamafio de la planta depende de cmo reaccione e] mercado ante fa 8 linea de productos. Para realizar un andlisis, la gerencia de marketing ha decidido la posible demanda a largo plazo como baja, media o ata. La tabla de resultados sien ‘muestra las utilidades proyectadas en millones de délares: Demanda a largo plazo ‘Tamaiio de la planta Baja Media ae: Pequefio 150 200 200, ona 3 30 0 {Que decisign se debe tomar y cil x el evento forito para el ‘> Consiruya un diagrama de influencia.canuiato, Cada amendamienio ineluye un cargo mensual y mille limitado. Las mills adicionales reciben un recargo por milla. El costo de arrendamiento mensual, el millaje limitado y el costo por las millasadicionales son los siguientes a Costo por - Distribuidor Costo mensual _Millajeimitado milla adicfonal ‘Forno Saab $299) 36,000 $0.15 ‘Midtown Motors $310 45,000 $0.20 - Hopkins Automotive $325 54,000 $0.15 Amy decidi6 elegir la opcin de arrendamiento que minimice sus costos totales por los 36 meses. La dificultad es que ella no esta segura de cudintas millas recorrerd en los pr6- ximos tres aitos. Para propésitos de esta decisién considera que es razonable suponer que manejar 12,000 millas por aiio, 15,000 mills por aio 0 18,000 millas por aio. Con esta suposicién, Amy estimé sus costos totales para las tres opciones de arrendamiento. Por ejemplo, calcula que el alquiler en Forno Saab le costar $10,764 si maneja 12,000 mi- Tas por afo, $12,114 si maneja 15,000 millas por aio 0 $13,464 si maneja 18,000 millas por aio. a {Cuil es la decision y cusl es el evento fortuito? b. Construya una tabla de resultados para el problema de Amy, ¢. SiAmy no tiene idea de cudl de las tres suposiciones de millaje es la mas apropiada, {jeual es la decisin recomendada (opcién de arrendamiento) utlizando los enfoques ‘optimista, conservador y de arrepentimiento minimax? 4. Suponga que las probabilidades de que Amy maneje 12,000, 15.000 y 18,000 millas por afio son 0.5, 0.4 y 0.1, respectivamente. {Qué opcién debe elegir Amy utilizando el método del valor esperado? €. Blabore un perfil de riesgo para la decisidn seleccionada en el inciso d. {Cuil es el costo mis probable y cuil su probabilidad”? f. Suponga que después de considerarlo con més detenimiento Amy concluye que las probabilidades de que ella maneje 12,000, 15,000 y 18,000 millas por afio son 0:3, 0.4 y 0.3, respectivamente. ; Qué decisién debe tomar utilizando el método del valor esperado? La siguiente tabla de resultados de utilidades se present6 en cl problema 1. Suponga que el tomador de decisiones obtuvo las evaluaciones de probabilidad P(s,) = 0.65, Pls, 0.15 y P{s,) = 0.20. Utiice el método del valor esperado para determinar la decision : ptima wert rendimientos del mereado bursétil para cuatro seg~ 6. Los asesores de inversiGn estimaron tr aeturayfactutico. Las oroverckiah 'W las condiciones econdmicas generales tienen4d 42 43 CONTENIDO CAPITULO 4 Analisis de decisiones FORMULACION DEL PROBLEMA Diagramas de influencia discreta Tablas de resultados Arboles de decisién TOMA DE DECISIONES SIN PROBABILIDADES Enfoque optimista 45 Enfoque conservador Enfoque de arrepentimiento inimax TOMA DE DECISIONES CON PROBABILIDADES Valor esperado de la informacién perfecta 4.6 ANALISIS DEL RIESGO Y ANALISIS DE SENSIBILIDAD Anilisis del riesgo Andlisis de sensibilidad VALISIS DE DECISIONES CON INFORMACION MUESTRAL Diagrama de infiuencia Arbol de decision Estrategia de decision Perfil de riesgo Valor esperado de la informacién muestral Eficiencia de la informacién muestral CALCULO DE PROBABILIDADES DE LAS RAMAS O ALTERNATIVASwitiza para desarrollar una estrategia dptima nisi de devisiones as alternativas de decisi6n y a un pated de, dor de decisiones entrenta a aianetss Ohio Edison us6 el andlisis de inceno 0 leno Je se ipo de control determinado para as unidad ‘legir ef mejor Seton ‘cuando enfrenté las Se tec: conceinteny de combustion FF wntenido de sulfuro, los costos de construcci6n, etc, El estado qe requerimientos dt eo" dlisis de decisiones cuando evalué implementar 6 np 3 Un examen tina del Nore uf tabOlicos en los recién nacidos. Ast, ef anal ddesordenes metal isis de médico para detectat te trade forma reiterada su valor en la toma de decisiones. El anjelg cisiones demet ais de decisiones en Eastman Kodak”, describe c6mo el uso det ands en Acci6n, “Anil (gel valor de la empresa en alrededor de $1,000 millones, de decistones incre ha realizado un andlisis de decisiones minucioso, Ios eventos fc a eeyuelvenincierta la consecuencia final. En algunos casos, la alternative ar poctonada puede proporcionar resullados buenos o excelentes. En ome a decision seleccionada dé resultados apenas aceptables o incluso malos. El riesgo sso, con csgueralemativade decisis es un resultado directo dela inceidumbe sa da con la consecuencia final, Un buen andlsis de deeisiones incluye un andlisis del rege Mediante dicho andlisi el tomador de decisiones obtiene informacién de la probabilidas de que ocuran las consecuencias tanto favorables como desfavorables de su electén, ANALISIS DE DECISIONES EN EASTMAN KODAK* Geen y Kit realizaron un estudio para determinar que todos los proyectos en conjunto afadieron mis de 6 silt el anlisis de decsiones en Eastman Kodak mil millones de délares en valor a Eastman Kedak. Con apes HissutoconistiS cas evalaciOn de 178 estas esimaciones, Clemen y Ket concluyeron queese Pe aiee Taree Some durante un peiodo.andliss de decisiones regres wu var svetanal 8 ‘de 10 afos. Los proyectos invoh empresa; de hecho, afirmaron que el valor agregado de los proyectos fue como minimo 185 veces el costo del tiempo de los analistas Ademds de los beneficios monetarios, los autores Sefialaron que el anélisis de decisiones agrega valor, Y ‘que facili la discuston entre los aecionistas, promue\e un fazonamiento meticuloso de las estrategias, propor Ciona un lenguaje comin para analizar los elementos de Un problema de decisién, y acelera la implementaci6t ‘al ayudar a crear consenso entre ls tomadores de det stones. Al comentar el valor del andisis de decision’ en Eastman Kodak, Nancy L. $. Sousa expresé: “CO Berente general de nuevos negocios y vi As Imagenologia médica de Eastman Kodak, ‘odos los encargados de planeacién de uullicen los principios y procesos de de como parte de la evaluacién de las INEVOS negocios. Los procesos conduc mejores decisiones sobre oyLas resides pueden ‘apresarse en funcion de lasutidades,e cos, tiempo, a distancia 0 cualquier cre medi ‘prpiade para e problema dedecisin gue et bajo andi. Fe Sy Ea a A Oe ae ae de influaneia:s isu sons at : soa fe influencia es una herramienta gréfica que muestra las mn : Jos eventos fortuitos y las consecuencias para un problema de ee in diagrama de influencia representan las decisiones, los eventos : Los nodos de un Woe recténgulos o cuadrados representan los nodos de decisién; jo, las conser sTos nodos fartuitos, y los rombos representan los nodos de consecuencig circulos u OV: conectan los nodos, llamadas arcos, indican la direccién de influene 4 Las linea: entre si La figura 4.1 muestra el diagrama de influencia para et tienen Fitiente del complejo es el nodo de decisin, la demanda es el nodo fori) 4 Pigs son el nodo de consecuencia, Los arcos que conectan los nodos ‘™muestran que Tas ea del complejo como la demanda influyen en las utilidades de PDC. ‘ant Tablas de resultados Dadas las tres alternativas de decisién y los dos estados de la naturaleza, {qué tama te complejo debe elegir PDC? Para responder a esta pregunta, PDC necesitaré conacer lg consecuencia asociada con cada alternativa de decisi6n y cada estado de la naturaleza, En el anilisis de decisiones nos teferimos a la consecuencia resultante de una combinacién specifica de una alternativa de decisi6n y un estado de la naturaleza como resultado g ‘onsecuencia. Una tabla que muestra resultados para todas las combinaciones de alterna. tivas de decisién y estados de la naturaleza es una tabla de resultados. Como PDC quiere seleccionar el tamatio del complejo que proporcione las mayores utilidades, éstas se utilizan como la consecuencia. La tabla 4.1 muestra los resultados con {as utilidades expresadas en millones de dolares. Observe, por ejemplo, que si se construye ‘un complejo mediano y la demanda es fuerte, se generaré una utilidad de $14 millones. Uti- lizaremos la notacién V, para denotar el resultado asociado con la alternativa de decisi6n i yelestado de naturaleza j. Utilizando la tabla 4.1, V,, = 20 indica que ocurre un resultado 4e $20 millones si la decisién es construir un complejo grande (dy) y se da el estado de 4a naturaleza de una demanda fuerte (s,). De igual modo, V,, = —9 indica una pérdida e $9 millones si la decisién es construir un complejo grande (d,) y ocurre el estado de naturaleza de una demanda débil (s,) FGURA 4.1 DIAGRAMA DE INFLUENCIA PARA EL PROYECTO DE PDCAlternativa de decisién Demanda fuerte 5, Complejo pequeiio, d 8 Complejo mediano, , 14 Complejo grande, d, 20 Arboles de decision Un Arbol de decisi6n proporciona una representacin grifica del proceso de toma d cisiones. La figura 4.2 presenta un Arbol de decisin para el problema de PDC. que el arbol de decisién muestra la progresi6n natural o 16gica que ocurriré con el Primero, PDC debe tomar una decisidn respecto al tamaiio del complejo de condominios (d,, d; 0 d,). Luego, después de que se implementa la decision, ocurriré uno de Jos dos estados de la naturaleza, s, 0 5. El nimero en cada punto extremo del drbol indica el resul- tado asociado con una secuencia particular. Por ejemplo, el resultado mds alto de 8 indica {que se anticipa una utilidad de $8 millones si PDC construye un complejo de condominios pequeito (d,) y la demanda resulta ser fuerte (s,). El siguiente resultado de 7 indica una utilidad anticipada de $7 millones si PDC construye un complejo de condominios pequefio- (d,) y la demanda resulta ser débil (s,). Por tanto, el arbol de decisién muestra graficamente la secuencia de las alternativas de decisién y los estados de naturaleza que proporcionan los seis resultados posibles para PDC. a Masad iene ane El Arbol de decisién de la figura 4.2 tiene cuatro nodos, numerados del 1 al 4. Los tabla de resultados, ‘puede desarrllar un érbo! de decisis Resuelva el inciso (a) del problema 1 ‘cuadrados se utilizan para representar los nodos de decisi6n y los efrculos para los nodos fortuitos. Por tanto, el nodo 1 es de decisién y los nodos 2, 3 y 4 son fo Las ramas conectan a los nodos; aquellas que salen del nodo de decisién co FIGURA 4.2 ARBOL DE DECISION PARA EL PROYECTO DE CONDOMINOS DE. (RESULTADOS EN MILLONES DE DOLARES) =— °° °° °° Jo 4 Andis de decisiones 102 Coppi suidn Las amas que salen del nodo full Correspondent iy ars aleratvas de decir dos se muestra al final de Tas ramas del estado de tstados de I naturleZ0. 105 TA ma: gcomo puede el tomador de decisiones utiza paturatza, Ars pase Or para Seleccionar la mejor alternativa de decisign) patoaci det tabla res ee eneden utiliza varios enfogu® COMENTARIOS ‘1 foblemas con- 2. Las personas con frecuencia ven el mismo pro. 1. Los experts en soli oe Pe eThuconar _blema desde diferentes perspetivas. De ai Sa a Er descomp uc la discusién respecto a la elaboracién de slemawomplejo es descomponerio en una que Ia discusi6n resp r cian ded aes ‘boles de _atbol de decisi6n pueda proporcionar elemen- oy eapproblemas menores. Los érbole veda 096 Se Se manera il demos- tor de comprension aiionales aera da prs decisdn PPtvscempone un problema Y la na- _blema. vice secuencal del proceso de decsi6n Bs, ie .. tt (a ) Toma de decisiones sin probabilidades ed En esta secci6n se consideran enfoques para la toma de decisiones que no requieren el y ‘conocimiento de las probabilidades de los estados de la naturaleza. Estos enfoques son. apropiados en situaciones en las cuales el tomador de decisiones tiene poca confianza en | Res etinen © peor caso es eonveniente, Como a veces los diferentes enfoques conducen a recomendacio- nes de decisién distintas, el tomador de decisiones debe entender los enfoques disponibles y luego seleccionar el enfoque especifico que, segtin su juicio, sea el més apropiado. far las probabilidades, o en que un simple andlisis del mejor y del Muchas personas piensan se ea ecisn Enfoque optimista ‘consecuencia es buena. Sin embargo, en alguns casos, tana buena decisén bien ‘raconata puede conducir El enfoque optimista evaliia cada alternativa de decisién en funcién del mejor resultado aves ree cour La altemativa de decision que se recomienda es aquella que propor Milas como el pea, Par un probes en el cual se desea obtener 1s maxis Sines ¢ coping ables de PDC, el enfoque optimistaHevaré al omador de dei ‘2 que corresponde a la utilidad mayor. Para problemas que involucran minimizacis imizacin, este enfoque conduce a la elecciéi olin mfoque conduce a la eleccién de la alternativa con el resul- @ una consecuenca mala 0 indeseable. ora un problema de ‘maximizacion, el enfoque Fis optimise xe conoce como oa cxPlicar el enfoque of Saree ee oe cone oo ptimista, desarrollamos una recomendacién para el proble- « enfogue. Primero se determina el resultado méximo para cada Peter dentNidiene Gemwcarepoe ean nan NEES Slscion ls alematva de decision que pram or ene * Pasos identifican sistemsticamente In alternativa de desi mayores utilidades posit HOI uiilidades posibles. La tabla 4.2 ilustra estos pasos.rporeun — Hevaria al tomador de decisiones a legit la alternativa que maximice las utilidades mini- problema de mininisacién, Mas posibles que se pudieran obtener. Para problemas que involucran la maximizacion, el témmino correspondiente este enfoque identifica la alternativa que minimizaré el resultado méximo. ex minimax. Para explicar el enfoque conservador, desarrollamos una recomendacién para et pro- blema de PDC uniizando este enfoque. Primero se identifica el resultado minimo para cada tuna de las alternativas de decisiGn: luego se selecciona la alternativa de decisién que maxi- miza el resultado minimo, La tabla 4.3 ilustra estos pasos para el problema de PDC. Como 7, que corresponde a d,, produce el valor maximo de los resultados minimos, se recomienda Ia alternativa de decisién de un complejo de condominios pequetio. Este enfoque de decision se considera conservador debido a que identifica los peores resultados posibles y luego recomienda la alternativa de decisién que evita la posibilidad de obtener resultados sumamente “malos”. En el enfoque conservador se garantiza que PDC obtenga luna utilidad de al menos $7 millones. Aunque PDC puede hacer més, no puede ganar me- nos de $7 millones. Enfoque de arrepentimiento minimax El enfoque de arrepentimiento minimax para la toma de decisiones es solamente opti- mista 0 solamente conservador, Explicaremos el enfoque de arrepentimiento minimax al mostrar cémo se utiliza para seleccionar una alternativa de decisién para el problema de PDC. Suponga que PDC construye un complejo de condominios pequefio (d,) y la demanda resulta ser fuerte (s,). La tabla 4.1 muestra que las utilidades resultantes para PDC serfan $8 millones. Sin embargo, dado que ha ocurrido el estado de 1a naturaleza de demanda fuerte (5), nos damos cuenta de que la mejor decision hubiera sido construir un comple- jo de condominios grande (d,) que produce una utilidad de $20 millones. La diferencia entre el resultado de la mejor alternativa de decisién ($20 millones) y el resultado de la decisién de construir un complejo de condominios pequefio ($8 millones) es la pérdida de oportunidad, o arrepentimiento, asociada con la altemnativa de decisién d, cuando ‘ocurre el estado de la naturaleza s,; por tanto, para este caso, la pérdida de oportunidad 0 arrepentimiento es $20 millones — $8 millones = $12 millones. Asimismo, si PDC toma fa decisiGn de construir un complejo de condominios mediano (d,) y ocurre el estado de la naturaleza de demanda fuerte (s,). la pérdida de oportunidad, o arrepentimiento, asociada con d, seria $20 millones ~ $14 millones = $6 millones. TABLA 4.3 RESULTADO MINIMO PARA CADA ALTERNATIVA DE DECISION DE PDCopin 4 Arai de deiner M z rO, PARA EL PRO DAD, OARREPENTIMIENT a : b Oe DBP S § DE DOLARES) ae pee J PDC (MILLONE B | Estado de la naturaleza ae j Demand: q ‘Alternativa de decisién ee 5 7 a ‘Complejo pequefio. 2 re | Complejo mediano. d> 6 5 ; Complejo grande, ds i general a expresin siguiente representa Ia périda de oportunidad, o aepen. miento: R, =|; - (4) donde R, = el arrepentimiento asociado con la alternativa de decisién d, y el estado dela naturaleza 5, V7 = el valor! del resultado que corresponde la mejor decisién para Ta naturaleza 5 estado de ¥, = el resultado correspondiente a la alternativa de decisi6n dy el estado de la naturaleza s, Observe la funcién del valor absoluto en la ecuacién (4.1). Para problemas de minimi- zacién, el mejor resultado, V,”, es 1a entrada mas pequefia en la columna j. Dado que este valor siempre es menor o igual que ¥, el valor absoluto de Ia diferencia entre V,” y ¥, asegura que el arrepentimiento sea siempre la magnitud de la diferencia. Utilizando la ecuaci6n (4.1) y los resultados de la tabla 4.1, podemos calcular el are Pentimiento asociado con cada combinaciGn de alternativa de decisiGn d, y estado de la nnaturaleza s, Como el problema de PDC es de maximizacién, V,” sera la entrada mis grande en la columna, de la tabla de resultados. Por tanto, para calcular el artepentimiento, simplemente restamos cada entrada de una columna de la entrada mis grande de dicha columna. La tabla 4.4 muestra la tabla de pérdida de oportunidad o arrepentimiento, part el problema de PDC EL paso si wala aepentinientomiximo para ada alternative des abla 43 lo feniads paral probe de PDC. La selec dela alterativa de ds prs dessn de ancpentinino minimax Pars roblema ce PD. alent esa ttuit el complejo de condominios mediano con el arrepentimiento méximo cores Pondemte de$6 millones, esa decison de anepentinient mimax recomend TABLA 4,! r ‘i 5 oe TIMIENTO MAXIMO PARA CADA ALTERNATIVA DE DECISION Alternativa de decisién Arrepentimi is Complejo pequeno, a, -pentimiento maximo Complejo mediano, ds 2 . Complejo grande, di‘Para practcar la elaboracién de wna ecomendacidn de decision tnilizando los enfoques “pnmisra, conservator ye ‘areepentiniento minima, resuelva el inciso (b) del problema I Puede utlizar ahora et ‘método del valor esperado 4.3 Toma de decisiones con probabilidades es ‘Observe que los tres enfoques estudiados en esta secciGn proporcionan diferentes re- ‘comendaciones, lo cual en s{ mismo no es malo. Sencillamente refleja la diferencia en las filosofias de toma de decisiones que subyacen en los distintos enfoques. A la larga, el to- mador de decisiones tendra que elegir el enfoque mas apropiado y luego tomar la decisién final en conseenencia a principal eritica de las enfoques expuestos en esta seceién e que no consideran ninguna informacién sobre las probabilidades de los diversos estados de la naturaleza. En la seccién siguiente se estudia un enfoque que utiliza informacién de probabilidad al seleccionar una alternativa de decisién. Toma de decisiones con probabilidades En muchas situaciones de toma de decisiones podemos obtener evaluaciones de probabi- lidad para los estados de la naturaleza. Cuando estas probabilidades estan disponibles, podemos utilizar el método del valor esperado para identificar la mejor alternativa de decisién. Definamos primero el valor esperado de una alternativa de decisién y luego apli- quémoslo al problema de PDC. Sea N = miimero de estados de la naturaleza s) = probabilidad del estado de la naturaleza s, Debido a que puede ocurrir uno y s6lo uno de los N estados de la naturaleza, las probabili- dades deben satisfacer dos condiciones: P(s,) =0 para todos los estados de la naturaleza (42) D> Pls) = Pls) + Pls) + + Plsy) ar 1 (4.3) El valor esperado (VE) de la alternativa de decisién d, se define como sigue: x VE(d,) = > PCS), (4.4) iy En palabras, el valor esperado de una alternativa de decisién es la suma de los resultados ponderados para la alternativa de decisi6n. El peso de un resultado es la probabilidad del estado de la naturaleza asociado y, por ende, la probabilidad de que el resultado ocurra Volvamos al problema de PDC para ver cémo se aplica el método del valor esperado. PDC es optimista respecto al potencial del complejo de condominios de lujo de varios pisos. Suponga que este optimismo conduce a una evaluacién de probabilidad subjetiva inicial de 0.8 de que la demanda sera fuerte (s,) y una probabilidad correspondiente de 0.2 de que la demanda sera débil (5,). Por tanto, P(s,) = 0.8 y P(s,) = 0.2, Utilizando los valores de resultados de la tabla 4.1 y la ecuacién (4.4), calculamos el valor esperado para cada una de las tres alternativas de decisién como sigue: VE(d VE(d,) = 0.8(14) + 0.2(5) VE(d,) = 0.820) + 0.2(—9) 0.808) + 0.207) = 7.8 12.2 42 Por tanto, utilizando el método del valor esperado, encontramos que el complejo de condo- ‘minios grande, con un valor esperado de $14.2 millones, es la decisién recomendada.FIGURA 4.3. ARBOL DE DECISON DE Baise sofware para omputadora que ayuda ‘consis doles de Aecision mds complejo, Consul apendic 41 FIGURA 4.4 APLICACION DEL MET Copinvle 4 Anélisis de decisiones PDC CON LAS PROBABILIDADES DE LA RAMA DE ESTADOS DE LA NATURALEZA Fuerte (5) Pequeto (dy) 7 POs) = 02 Fuerte) 44 TL Mediano(d,) PG) = 08 Debi (9) © Piss) = 02 Fuerte(s)__ 9g Grande (d) Ps) = 08 Debi (sy) és Posy) = 02 Los caileulos requeridos para identificar 1a alternativa de decisién con el mejor valor esperado pueden realizarse de manera conveniente en un drbol de decisién, La figura 43 ‘muestra el érbol de decisién para el problema de PDC con las probabilidades en las ramas de los estados de la naturaleza. Avanzando en sentido inverso por el arbol de decisién, pri- mero se calcula el valor esperado en cada nodo fortuito, Es decir, en cada nodo fortuito, se Pondera cada resultado posible por su probabilidad de ocurrencia. Al hacerlo, se obtienen los valores esperados para los nodos 2, 3 y 4, como muestra la figura 4.4. Dado que el tomador de decisiones controla la rama que sale del nodo de decisi6n 1 Y como estamos tratando de maximizar las utilidades esperadas, la mejor altemativa de decisén en el nodo 1 es dy K ‘ODO DEL VALOR ESPERADO UTILIZANDO UN ARBOL DE DECISION Pequeno (di)